Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Great Expectations ist ein echt starkes Tool, um die Datenqualität in Data-Science- und Data-Engineering-Workflows im Auge zu behalten. Die Plattform lässt sich einfach in Python einbauen, was sie zu einer nützlichen Bibliothek für Python-Nutzer macht, die sie sich aneignen sollten.
Im Mittelpunkt von Great Expectations stehen Erwartungen oder Aussagen, die du anhand deiner Daten überprüfen möchtest. Du startest diesen Kurs damit, dass du lernst, wie du dich mit echten Datensätzen verbindest und Erwartungen auf sie anwendest. Du lernst dann, wie du Erwartungen abrufst, bearbeitest und löschst und Pipelines erstellst, um Erwartungen auf neue Datensätze in einer Produktionsumgebung anzuwenden.
Zum Schluss lernst du noch bestimmte Arten von Erwartungen kennen, zum Beispiel für Zahlen- und Zeichenfolgen-Spalten, und wie man Erwartungen für eine Spalte schreibt, die von den Werten anderer Spalten abhängen.
Am Ende dieses Kurses wirst du die Python-Bibliothek „Great Expectations“ richtig gut beherrschen. Du kannst die Kernfunktionen der Plattform nutzen, um die Qualität deiner Daten zu checken, und du kannst deine Daten mit der Gewissheit verwenden, dass sie deinen Datenqualitätsstandards entsprechen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Verbindung zu Daten herstellen
Verstehe, warum Great Expectations (GX) ein so leistungsstarkes Tool zur Überwachung der Datenqualität ist. Mach dich mit den Grundlagen von GX vertraut – einschließlich dem Starten einer Session mit einem Data Context und dem Laden eines pandas-Dataframes mithilfe von Data Source, Data Asset und Batch Definition.
- Erzeuge einen Data Context50 XP
- Erstelle deinen Data Context100 XP
- Sneak Peek in GX100 XP
- Begriffsdefinitionen100 XP
- Mit Daten verbinden50 XP
- Begriffe wiederholen100 XP
- Erstelle eine Data Source und ein Data Asset100 XP
- Daten in Batches einlesen50 XP
- Erstelle eine Batch Definition und eine Batch100 XP
- Untersuche deinen Batch100 XP
2
Expectations festlegen
Erstelle und bewerte grundlegende Shape- und Schema-Expectations. Validiere deine Expectations einzeln, als Teil einer Expectation Suite mit einer Batch Definition oder mithilfe einer Validation Definition.
3
GX in der Praxis
Lerne praxisnahe Skills, mit denen du die dynamische Natur von Expectations in der realen Welt meisterst. Setze Validation Definitions per Checkpoints ein, aktualisiere deine Expectation Suites und erfahre, wie du wichtige GX-Komponenten hinzufügst, abrufst, auflistest und löschst.
4
Alles rund um Expectations
Tauche direkt ein in die Welt der Expectations. Übe das Erstellen grundlegender Spalten-Expectations, numerischer Expectations auf Zeilen- und Aggregationsebene, String- und String-Parseability-Expectations und mehr. Lerne, wie du Expectations nur auf bestimmte Zeilen eines Dataframes anwendest.
Einführung in Data Quality mit Great Expectations
Kurs
abgeschlossen
